要在智谱清言写出高画面感、高信息密度的视频脚本开场，必须在提示词中明确时间、地点、人物状态与核心冲突，并补全时空坐标、视觉锚点、可拍摄动作、感官矛盾及设备/镜头/声音等现实约束条件。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在智谱清言中写出有画面感、信息密度高的视频脚本开场，必须在提示词里明确交代时间、地点、人物状态和核心冲突，否则模型容易生成空泛的“阳光洒在窗台”这类无效描写。只写“写一个短视频开场”会得到千篇一律的抒情句式，根本无法匹配实际拍摄需求。
补全时空坐标与视觉锚点
在提示词开头直接写明【具体时间+物理空间+可见环境特征】。例如：“清晨6:17，北京朝阳区一间不足十平米的合租卧室，窗外是未拆的旧空调外机，床头柜上半杯冷掉的速溶咖啡”。这比“早上一个房间”有效得多——智谱清言依赖具象名词触发细节联想，抽象描述会让它默认调用通用模板。
不要用“比如”“类似”这种模糊表述。模型不识别举例意图，只会把“比如”当成无关字符过滤掉。
植入人物动作与生理细节
方法一：用动词短语锁定初始状态
“她左手正撕开一包盐酥鸡调料包，右手腕内侧还沾着没擦净的粉底液”比“一个女生在做饭”更能激活模型对微表情和道具的调用。
方法二：叠加感官矛盾点
“耳机里播放着雅思听力真题，但音量被调到最低——她其实一直在偷听隔壁情侣吵架”。这种听觉/行为的错位设定，能逼出更有张力的镜头语言。
【人物动作必须可拍摄，禁止心理描写】 智谱清言无法将“她感到焦虑”转化为画面，但“她反复按亮又熄灭手机屏幕，锁屏界面显示17个未接来电”可以直接对应分镜。
嵌入可验证的现实约束
第一步：注明设备限制
“使用iPhone 14后置主摄拍摄，无补光灯，窗光为唯一光源”。
第二步：限定镜头运动方式
“开场3秒固定机位，焦距35mm，背景虚化值0.8”。
第三步：绑定声音素材来源
“环境音仅保留窗外施工电钻声（频率约220Hz）与手机微信震动声，禁用任何配乐”。
这些参数不是摆设——智谱清言会据此过滤掉需要轨道车、绿幕或专业录音的方案，输出真正能落地执行的脚本。漏掉任一条件，生成内容大概率脱离实际拍摄能力。
